Implementasi Algoritma K-Nearest Neighbers Untuk Klasifikasi Penyakit Daun Teh

Teh (Camellia sinensis) merupakan salah satu komoditas unggulan indonesia dengan nilai ekonomi yang tinggi. Namun, produksi dan kualitas teh mengalami penurunan pada tahun 2022 yang di sebabkan oleh serangan hama dan penyakit daun teh. Penelitian ini mengimplementasikan algoritma K-Nears neighbors (KNN) untuk klasifikasi penyakit daun teh berdasarkan fitur warna (Histogram HSV) dan ekstraksi tekstur (GLCM dan LBP). Data yang digunakan sebanyak 5.867 citra daun teh yang diklasifikasikan ke dalam enam kelas (Healthy, Algal Spot, Red Spot, Brown Blight, Gray Blight, dan Helopeltis). Proses penelitian meliputi tahapan preprocessing, ekstraksi fitur, pembagian data, pengujian model menggunakan algoritma KNN dan evaluasi dengan menggunakan metrik akurasi, presisi recall dan F1-score. Hasil penelitian menunjukan bahwa model KNN dengan niali K=1 dan k=2 menghasilkan akurasi tertinggis sebesar 82%. Penelitian ini menunjukan efektivitasnya sebagai alat bantu deteksi penyakit pada daun teh.

Kata kunci: K- Nearst Neighbors, penyakit daun teh, klasifikasi, machine learning